Computer vision 用于个人面部识别的训练集图像之间的时间间隔

编辑：我没有说清楚，因为这是为了应用程序未来可能的开发

我正在为一个应用程序研究个人面部识别，但其中的一个重要部分似乎是为每个要识别的个人提供一个相当大的图像训练集

在不同的环境中，在不同的时间拍摄图像是否重要，或者手持摄像机在几秒钟内拍摄的多张图像是否可能为良好的训练集提供必要的变化

---

（顺便说一句，这不适用于人脸识别，因此现有的工具和数据库不会有太大帮助。我知道2D图像识别不一定适用于所有物种；让我们假设它在我的用例中确实有效。）

本文可能会回答您的一些问题：

从模式分类的角度来看，人脸识别中的一个常见问题是有过多的类，并且每个类只有少数（可能只有一个）训练样本。因此，不需要更复杂的分类器，而是使用最近邻分类器

虽然我不是这方面的专家，但似乎每个人只有一张图片作为培训样本是一个常见的问题，而且在受控照明/位置情况下，这张图片至少在一定程度上得到了解决

---

为了明确回答您的问题，一个具有每个人的多个图像且变化很少或没有变化的训练集（“使用手持相机在几秒钟内拍摄的多个图像”）的价值不如具有更多变化的训练集（例如，不同的面部表情、光照、背景）.

您使用的图像识别软件是专门用于面部识别还是仅用于基本图像识别？此外，一旦接受培训，受试者的位置和照明是否会受到控制，或者这些变化会很大？我还没有确定任何特定的软件，但我希望使用局部二进制模式，这通常可以用于图像识别。照明可能会有很大的变化，但应控制位置。编辑：但是，最终的应用程序应该专门针对面部识别。谢谢你的回答！